Phát hiện trạng thái di chuyển bằng xe máy dựa trên Smartphones

Bài viết Phát hiện trạng thái di chuyển bằng xe máy dựa trên Smartphones đề xuất một phương pháp phát hiện trạng thái người tham gia giao thông bằng xe máy và trên cơ sở đó, phát triển ứng dụng cung cấp một số tính năng hỗ trợ như tự động trả lời các cuộc gọi, tin nhắn, hoặc chuyển sang chế độ cấm sử dụng tạm thời.

Chuyên san Công nghệ thông tin Truyền thông - Số (12-2016) PHÁT HIỆN TRẠNG THÁI DI CHUYỂN BẰNG XE MÁY DỰA TRÊN SMARTPHONES Hoàng Xuân Dậu1 , Đào Đức Huy1 Tóm tắt Phát trạng thái di chuyển người dùng dựa cảm biến mang nói chung điện thoại di động nói riêng dạng tính tốn tỏa khắp quan tâm nghiên cứu thời gian gần Ở Việt Nam, xe máy sử dụng rộng rãi phương tiện giao thông chủ chốt người dân Trong tham gia giao thông xe máy, người dùng thường nghe điện thoại, trả lời tin nhắn Hơn nữa, hành vi sử dụng điện thoại tham gia giao thông xe máy bị cấm theo luật Do vậy, người sử dụng bị nhỡ, bỏ qua kiện quan trọng Bài báo đề xuất phương pháp phát trạng thái người tham gia giao thông xe máy sở đó, phát triển ứng dụng cung cấp số tính hỗ trợ tự động trả lời gọi, tin nhắn, chuyển sang chế độ cấm sử dụng tạm thời Các thử nghiệm ban đầu cho thấy hệ thống phát xác trạng thái người dùng tham gia giao thông xe máy, với 96% phát trạng thái cung cấp tính hỗ trợ người dùng phù hợp The detection of users’ transportation state based on wearable sensors in general and based on smartphones in particular is a type of ubiquitous computing and it has recently been being an interest of many researchers In Vietnam, motorbikes have been being used widely and they are the major transport means of people While in traffic by motorbikes, smartphone users often cannot answer phone calls, or respond to text messages Moreover, using mobile phone while in traffic by motorbikes is prohibited by laws Therefore, mobile phone users may be missed, or ignored important events This paper proposed a method for motorbike transportation state detection using smartphones We also developed a motorbike riding assistant application for smartphone users that provides some useful assistant features, including automatic answers of phone calls and text messages based on the detected moving state Initial experiments showed that the proposed method has the detection accuracy of over 96% and the motorbike riding assistant application can provide appropriate support features to smartphone users Từ khóa Cảm biến smartphone, phát trạng thái di chuyển xe máy, ứng dụng hỗ trợ người xe máy Đặt vấn đề Trong năm gần điện thoại di động thông minh (smartphone) sử dụng phổ biến trở thành phương tiện giao tiếp giải trí đơng đảo người dùng Học viện cơng nghệ Bưu Chính Viễn Thơng 118 Tạp chí Khoa học Kỹ thuật - Học viện KTQS - Số 181 (12-2016) nhờ giá smartphone ngày rẻ, cung cấp nhiều tính phong phú dễ sử dụng Ngồi tính thơng dụng nghe, gọi, nhắn tin dịch vụ dựa mạng Internet, nhiều loại smartphone cịn tích hợp cảm biến cảm biến chuyển động, cảm biến môi trường, cảm biến vị trí, giúp cung cấp tính giám sát sức khỏe đếm số bước đi, đo mức ca lo tiêu thụ, đo nhịp tim, Ở Việt Nam, xe máy sử dụng rộng rãi phương tiện giao thông chủ chốt người dân Trong tham gia giao thông xe máy, người sử dụng thường nghe điện thoại, trả lời tin nhắn Hơn nữa, hành vi sử dụng điện thoại tham gia giao thông xe máy bị cấm theo luật Do vậy, người sử dụng bị nhỡ, bỏ qua kiện quan trọng Vì vậy, việc phát xác trạng thái người dùng smartphone tham gia giao thông xe máy cần thiết, sở phát triển ứng dụng hỗ trợ với tính phù hợp Chẳng hạn, phát người dùng smartphone tham gia giao thông xe máy, ứng dụng hỗ trợ tự động trả lời gọi, tin nhắn, chuyển sang chế độ cấm sử dụng tạm thời Khi người dùng smartphone dừng tham gia giao thơng, ứng dụng hỗ trợ nhắc người dùng kiện xảy Đây mục đích nghiên cứu Phần lại báo bố cục sau: Phần phân tích số nghiên cứu có liên quan; Phần mơ tả mơ hình đề xuất phát trạng thái tham gia giao thông xe máy dựa smartphone; Phần mô tả thử nghiệm kết Phần Kết luận Các nghiên cứu liên quan Vấn đề giám sát, phát trạng thái hoạt động nói chung trạng thái tham gia giao thơng nói riêng người dạng cụ thể tính tốn tỏa khắp (ubiquitous computing), quan tâm nghiên cứu năm gần Để thu thập thông tin hoạt động người, sử dụng dạng cảm biến môi trường cảm biến mang (wearable sensors) Cảm biến môi trường bao gồm loại cảm biến đặt môi trường để giám sát hoạt động người Các cảm biến dạng thường phù hợp cho việc giám sát thu thập liệu không gian hẹp Cảm biến mang dạng cảm biến gắn vào người, mang theo người Các cảm biến nhịp tim, nhiệt độ thuộc dạng Cảm biến mang có khả giám sát hoạt động người phạm vi rộng, không gian mở [1] Việc sử dụng smartphone để giám sát phát hoạt động người khả thi giá thành smartphone ngày rẻ, mức độ phổ biến cao hầu hết smartphone tích hợp cảm biến, cảm biến chuyển động, cảm biến mơi trường, cảm biến vị trí giúp giám sát đầy đủ hoạt động người Nhiều nghiên cứu phát trạng thái tham gia giao thông công bố Xia cộng [1] đề xuất hệ thống nhận dạng trạng thái người tham gia giao thơng sử dụng smartphone có hỗ trợ GPS cảm biến gia tốc Các trạng thái tham gia giao thơng nhận dạng bao gồm bộ, chạy, đạp xe, di chuyển phương tiện 119 Chuyên san Công nghệ thông tin Truyền thông - Số (12-2016) giới, ôtô không di chuyển Trạng thái không di chuyển chia thành trạng thái hồn tồn khơng di chuyển dừng di chuyển tạm thời, tạm dừng đèn giao thông Dữ liệu thu thập từ hệ thống GPS cảm biến gia tốc khử nhiễu, trích chọn đặc trưng phương pháp FFT (Fast Fourier Transform), lựa chọn đặc trưng quan trọng giảm số chiều sử dụng thuật toán ACO (Ant Colony Optimization) phân lớp sử dụng SVM (Support Vector Machine) Kết thử nghiệm tập liệu thu thập từ 18 người tham gia thử nghiệm thấy hệ thống đạt độ xác nhận dạng 96,31% Ưu điểm phương pháp đề xuất có khả nhận dạng nhiều trạng thái tham gia giao thơng với độ xác cao Tuy nhiên, hạn chế lớn phương pháp tín hiệu GPS yếu khơng có độ xác bị ảnh hưởng đáng kể Ngoài ra, việc liên tục phải sử dụng GPS tiêu tốn nhiều lượng, dẫn đến làm giảm thời gian hoạt động smartphone Reddy cộng [2] đề xuất hệ thống nhận dạng trạng thái người tham gia giao thơng sử dụng smartphone có hỗ trợ GPS cảm biến gia tốc Các trạng thái tham gia giao thơng nhận dạng bao gồm trạng thái, tương tự hệ thống đề xuất Xia cộng [1] Dữ liệu thu thập từ hệ thống GPS cảm biến gia tốc khử nhiễu, trích chọn đặc trưng phương pháp FFT, phân lớp sơ định phân lớp cuối mơ hình Markov ẩn (HMM) Kết thử nghiệm tập liệu thu thập từ người tham gia thử nghiệm thấy hệ thống đạt độ xác nhận dạng 93,6% Ưu điểm nhược điểm phương pháp tương tự hệ thống đề xuất Xia cộng [1] hai hệ thống sử dụng liệu GPS từ cảm biến gia tốc Ngoài ra, việc phân lớp kép định HMM đòi hỏi nhiều tài ngun tính tốn Hemminki cộng [3] đề xuất phương pháp nhận dạng trạng thái người tham gia giao thông dựa gia tốc sử dụng smartphone Phương pháp sử dụng liệu từ cảm biến gia tốc hỗ trợ smartphone làm liệu đầu vào Theo nhóm tác giả, đóng góp báo gồm: đề xuất thuật toán cải tiến cho ước lượng thành phần trọng lực số đo gia tốc đề xuất tập đặc trưng cho phép nhận dạng xác chế độ chuyển động Kết thử nghiệm tập liệu thu thập từ 16 người tham gia địa bàn nước thực 150 cho thấy phương pháp đề xuất cải thiện độ xác trung bình 20% so với phương pháp có Ưu điểm phương pháp đề xuất sử dụng liệu từ cảm biến gia tốc nên không chịu ảnh hưởng chất lượng tín hiệu GPS, wifi Đồng thời, phương pháp đề xuất ảnh hưởng đến thời gian sử dụng smartphone không tiêu tốn thêm lượng cho GPS wifi Tuy nhiên, nhược điểm phương pháp đề xuất độ xác chưa cao, trung bình đạt khoảng 80% độ xác phát trạng thái di chuyển metro xe lửa đạt thấp, 70% Trong báo này, đề xuất phương pháp phát trạng thái di chuyển xe máy, hình thức giao thơng phổ biến Việt Nam Phương pháp đề xuất sử dụng liệu thu thập từ cảm biến gia tốc điện thoại thơng minh lưu trình xử lý liệu đề xuất Xia cộng [1] Các trạng thái thái di chuyển xe máy phát bao gồm “đi xe máy” “dừng xe” Một ứng dụng hỗ trợ người 120 Tạp chí Khoa học Kỹ thuật - Học viện KTQS - Số 181 (12-2016) Hình Các bước xử lý pha huấn luyện xe máy phát triển nhằm tự động phát trạng thái di chuyển cung cấp số tính hỗ trợ, tự động trả lời gọi, tin nhắn, thông báo cho người dùng kiện xảy người dùng dừng xe Mơ hình phát đề xuất 3.1 Mơ hình phát trạng thái di chuyển đề xuất Mơ hình phát trạng thái xe máy chia thành pha chính, gồm (1) Pha huấn luyện (2) Pha phát trạng thái Pha huấn luyện gồm bước xử lý minh họa Hình Cụ thể: • • • Bước 1.1: Thực việc trích xuất đặc trưng liệu huấn luyện thu thập từ cảm biến gia tốc sử dụng phép biến đổi Fourier nhanh (Fast Fourier Transform - FFT) [12] Thuật toán FFT biến đổi liệu từ miền thời gian sang miền tần số Biên độ tần số khác liệu miền tần số đặc trưng liệu Bước 1.2: Thực việc lựa chọn đặc trưng quan trọng, giảm số lượng đặc trưng sử dụng thuật toán tối ưu lãnh địa đàn kiến (Ant Colony Optimization ACO) [9][10] để tạo tập liệu huấn luyện Tập đặc trưng quan trọng xuất để sử dụng pha xác định trạng thái Bước 1.3: Thực học từ tập liệu huấn luyện để tạo phân lớp cho pha xác định trạng thái sử dụng thuật toán máy véc tơ hỗ trợ (Support Vector Machine SVM) [7] Các thuật toán phõn lp nh Naăve Bayes, Cõy quyt nh cng cú thể sử dụng, SVM lựa chọn nhờ vào khả phân lớp cách xác đáng tin cậy [8] Pha xác định trạng thái bao gồm bước minh họa Hình Cụ thể: 121 Chuyên san Công nghệ thông tin Truyền thơng - Số (12-2016) Hình Các bước xử lý pha xác định trạng thái • • • Bước 2.1: Thực việc trích xuất đặc trưng liệu kiểm thử thu thập từ cảm biến gia tốc sử dụng FFT Bước thực tương tự Bước 1.1 pha huấn luyện Bước 2.2: Tập đặc trưng quan trọng từ pha huấn luyện sử dụng để chọn giá trị tương ứng tập đặc trưng vừa trích xuất FFT Bước 2.1 Bước 2.3: Sử dụng phân lớp từ pha huấn luyện SVM để phân lớp cho mẫu liệu vào hai lớp : xe máy dừng xe 3.2 Thu thập liệu Để thu thập liệu cho thử nghiệm, nhóm nghiên cứu xây dựng ứng dụng có tên MotionRecorder chạy hệ điều hành Android Ứng dụng đọc liệu từ cảm biến gia tốc bên smartphone lưu thành file vào nhớ máy Dữ liệu lấy liệu gia tốc tuyến tính, nghĩa gia tốc thực thiết bị, gia tốc trọng trường loại bỏ Dữ liệu thu thập theo trạng thái khác người dùng: xe máy đứng yên hay dừng xe Dữ liệu sau thu thập bao gồm liệu gia tốc từ trục tọa độ (x, y z) Mẫu liệu sau thu thập tổng hợp trục tọa độ thành tín hiệu gia tốc miền thời gian có dạng Hình Đối với liệu cho trạng thái xe máy, liệu lấy mẫu xe máy nhiều loại đường khác nhau, bao gồm đường phẳng, gồ ghề, lên dốc, xuống dốc với tốc độ di chuyển nhanh chậm khác Tổng thời gian lấy mẫu liệu xe máy khoảng 55 phút Như với cửa sổ thời gian (time window) mẫu liệu giây, ta có tổng cộng 651 mẫu liệu gia tốc cho trạng thái xe máy Với liệu gia tốc cho trạng thái đứng yên, có kiểu trạng thái cần thu thập, bao gồm trạng thái người dùng đứng yên chỗ trạng thái người dùng ngồi yên xe máy dừng xe (ví dụ dừng đèn đỏ, ) Tổng số mẫu liệu thu thập 436 mẫu 122 Tạp chí Khoa học Kỹ thuật - Học viện KTQS - Số 181 (12-2016) Hình Dữ liệu miền thời gian thu từ cảm biến gia tốc: (a) Đi xe máy, (b) Dừng xe Hình Dữ liệu gia tốc chuyển sang miền tần số: (a) Đi xe máy, (b) Dừng xe 3.3 Xử lý liệu Như đề cập mục 3.1, liệu gia tốc thu thập qua câu xử lý bao gồm: (1) Trích xuất đặc trưng sử dụng thuật toán FFT, (2) Lựa chọn giảm số đặc trưng sử dụng thuật toán ACO (3) Huấn luyện liệu sử dụng thuật toán SVM 3.3.1 Trích xuất đặc trưng: Các đặc trưng liệu trích xuất sử dụng thuật tốn FFT để biến đổi liệu từ miền thời gian ban đầu sang miền tần số Vì tần số lấy mẫu 50 Hz (lấy mẫu 50 lần giây) cửa sổ thời gian chọn giây, ta có 250 mẫu liệu mẫu huấn luyện Nhưng FFT yêu cầu độ dài đoạn liệu phải bội số 2, cần áp dụng kỹ thuật zero-shift Kỹ thuật đơn giản chèn thêm giá trị vào cuối đoạn liệu ban đầu mà không ảnh hưởng tới kết FFT Với đoạn liệu dài 250 giá trị, ta zero-shift lên thành đoạn liệu có độ dài 256 để đưa vào FFT, tức chèn thêm giá trị vào cuối đoạn liệu Do tính lặp FFT nên với đoạn liệu độ dài 256, ta cần lấy 128 điểm liệu đầu tiên, tương ứng với 128 giá trị đặc trưng liệu Hình minh họa liệu gia tốc chuyển sang miền tần số Biên độ tần số khác liệu miền tần số đặc trưng liệu 3.3.2 Lựa chọn giảm số đặc trưng: Thuật toán ACO sử dụng để lựa chọn đặc trưng quan trọng, lọc đặc trưng không quan trọng để giảm số chiều liệu nhằm tăng tốc độ độ xác huấn luyện phát trạng thái SVM Thuật toán ACO áp dụng vào tập đặc trưng trích xuất sau: Số 123 Chuyên san Công nghệ thông tin Truyền thông - Số (12-2016) Hình Bảy đặc trưng (Feature) lựa chọn theo lượng chất hóa học (Pheromone) sinh thuật toán ACO √ kiến thường chọn khoảng n ≈ n/2 Số lượng đặc trưng ta có 128, chọn số kiến 12 Độ quan trọng chất hóa học (α) thơng tin khám phá (β) đặt 0.5 Độ bay chất hóa học 0.4 Chọn xác suất 100 mẫu từ lớp để tính tốn Số vòng lặp chọn 150 lần Sau chạy thuật toán ACO với thiết lập trên, tiến hành so sánh kết nhận Với số lượng đặc trưng chọn khoảng từ đến 7, độ xác phân lớp tăng dần đạt độ xác tối đa lựa chọn đặc trưng Với số lượng đặc trưng nhiều 7, độ xác phân lớp giữ mức ổn định tương đương với kết phân lớp đặc trưng Lựa chọn số lượng đặc trưng biểu diễn Hình 5, thu tập đặc trưng gồm đặc trưng 26, 45, 48, 63, 64, 66 73 Các đặc trưng tương ứng với tần số 5.08, 8.79, 9.38, 12.3, 12.5, 12,89 14.26 (Hz) Như vậy, sử dụng tập đặc trưng cho huấn luyện phát trạng thái SVM 3.3.3 Huấn luyện liệu: Sau lựa chọn đặc trưng quan trọng ACO, nhóm nghiên cứu tiến hành huấn luyện liệu SVM Mơ hình sau huấn luyện xong lưu file để sử dụng cho xác định trạng thái ứng dụng hỗ trợ Trong nghiên cứu này, sử dụng thư viện SVM phổ biến LibSVM [13] cho pha huấn luyện liệu pha phát trạng thái di chuyển 3.4 Ứng dụng hỗ trợ người xe máy Mục tiêu ứng dụng xây dựng hỗ trợ người dùng xe máy Trong người dùng xe máy, họ lỡ kiện gọi, tin nhắn Ứng dụng hỗ trợ xác định trạng thái người dùng xe máy sử dụng liệu từ cảm biến gia tốc smartphone người dùng mang theo Nếu người dùng trạng thái “đi xe máy” ứng dụng tự động trả lời gọi, tin nhắn đến tin nhắn 124 Tạp chí Khoa học Kỹ thuật - Học viện KTQS - Số 181 (12-2016) Hình Lưu đồ xử lý ứng dụng soạn sẵn Sau đó, người dùng dừng xe, ứng dụng thông báo lại kiện cho người dùng Lưu đồ xử lý ứng dụng mơ tả Hình Các chức ứng dụng bao gồm: • • • • Tự động nhận diện trạng thái người xe máy: “Đi xe máy” “Dừng xe” Lắng nghe kiện gọi tin nhắn đến, tự động trả lời tin nhắn trạng thái người dùng “Đi xe máy” Thông báo lại gọi tin nhắn lỡ trạng thái người dùng “Dừng xe” Cho phép người dùng bật tắt chức phát hiện, tùy chọn tự động gửi tin nhắn phản hồi nội dung tin nhắn phản hồi Giao diện ứng dụng dùng để thiết lập tùy chỉnh hoạt động Mô đun xác định trạng thái di chuyển xe máy lắng nghe, trả lời kiện chạy dạng dịch vụ Các mô đun ứng dụng phát triển chạy thử nghiệm smartphone hỗ trợ cảm biến gia tốc, chạy hệ điều hành Android Thử nghiệm kết 4.1 Các kịch thử nghiệm kết 4.1.1 Kịch thử nghiệm 1: Người dùng smartphone di chuyển đường phẳng, tốc độ di chuyển trung bình, khoảng 35km/h, hành trình có tin nhắn gửi đến, người dùng dừng chờ đèn đỏ 30 giây, sau đến đích, kết thúc hành trình, biểu diễn Hình Kết thử nghiệm cho Bảng Kết cho thấy ứng dụng xác định xác trạng thái “đi xe máy” Tuy nhiên, ứng dụng xác định sai lần “dừng xe” thời điểm người dùng vừa dừng chờ đèn đỏ giây Ứng dụng tự động phản hồi thông báo xác kiện tin nhắn gửi đến 125 Chuyên san Công nghệ thông tin Truyền thông - Số (12-2016) Hình Kịch thử nghiệm Bảng Kết phát trạng thái di chuyển kịch Trạng thái Số lần nhận diện Số lần nhận diện Số lần nhận diện sai Độ xác Đi xe máy 55 55 98% Dừng xe 4.1.2 Kịch thử nghiệm 2: Người dùng smartphone di chuyển đường phẳng, tốc độ di chuyển chậm, khoảng 20km/h, hành trình có gọi đến, người dùng dừng chờ đèn đỏ 28 giây, tiếp tục di chuyển, tin nhắn gửi đến sau đến đích, kết thúc hành trình, biểu diễn Hình Kết thử nghiệm cho Bảng Kết cho thấy ứng dụng xác định xác trạng thái “đi xe máy” “dừng xe” Ứng dụng tự động phản hồi thơng báo xác với tất gọi tin nhắn 4.1.3 Kịch thử nghiệm 3: Người dùng smartphone di chuyển đường mấp mô, tốc độ di chuyển chậm, khoảng 15km/h, hành trình có tin nhắn gửi đến, sau gọi đến, tiếp tục di chuyển kết thúc hành trình, biểu diễn Hình Kết thử nghiệm cho Bảng Kết cho thấy ứng dụng xác định xác trạng thái “đi xe máy” “dừng xe” Ứng dụng tự động phản hồi Hình Kịch thử nghiệm 126 Tạp chí Khoa học Kỹ thuật - Học viện KTQS - Số 181 (12-2016) Bảng Kết phát trạng thái di chuyển kịch Trạng thái Số lần nhận diện Số lần nhận diện Số lần nhận diện sai Độ xác Đi xe máy 39 39 100% Dừng xe 7 Hình Kịch thử nghiệm thơng báo xác với tất gọi tin nhắn 4.1.4 Kịch thử nghiệm 4: Người dùng smartphone di chuyển cung đường hỗn hợp, bao gồm đoạn đường phẳng đoạn đường mấp mô Khoảng chuyển từ đoạn đường phẳng sang đoạn đường mấp mô khúc cua gấp Tốc độ di chuyển phụ thuộc vào loại đường: tốc độ trung bình, khoảng 30km/h đoạn đường phẳng tốc độ chậm, khoảng 18km/h đoạn đường mấp mô Khi người dùng di chuyển đoạn đường phẳng, có tin nhắn gửi đến, sau dừng chờ đèn đỏ giây, tiếp sau có gọi đến Sau người dùng di chuyển đường mấp mơ, có tin nhắn gửi đến sau kết thúc hành trình, biểu diễn Hình 10 Kết thử nghiệm cho Bảng Ứng dụng xác định sai trạng thái “đi xe máy” lần người dùng dừng ngắn chờ đèn đỏ xác định sai trạng thái “dừng xe” lần người dùng di chuyển với tốc độ chậm khúc cua từ đoạn đường phẳng sang đoạn đường mấp mô Ứng dụng tự động phản hồi thơng báo xác với tất gọi tin nhắn, trừ trường hợp ứng không thông báo tin nhắn người dùng chờ đèn đỏ giây ứng dụng không xác định trạng thái dừng xe Bảng Kết phát trạng thái di chuyển kịch Trạng thái Số lần nhận diện Số lần nhận diện Số lần nhận diện sai Độ xác Đi xe máy 28 28 100% Dừng xe 3 127 Chuyên san Công nghệ thông tin Truyền thơng - Số (12-2016) Hình 10 Kịch thử nghiệm Bảng Kết phát trạng thái di chuyển kịch Trạng thái Số lần nhận diện Số lần nhận diện Số lần nhận diện sai Độ xác Đi xe máy 53 52 96% Dừng xe 4.2 Nhận xét Với thử nghiệm thực cung đường tốc độ di chuyển khác nhau, thấy kết phát trạng thái người dùng smartphone di chuyển xe máy đạt độ xác cao, 96% Ứng dụng hỗ trợ hoạt động tốt, có khả phản hồi tức thời xác hầu hết kiện thời gian người dùng di chuyển Mặc dù số lần xác định trạng thái chưa xác, ứng dụng hỗ trợ sử dụng để giúp người dùng smartphone khơng bỏ lỡ kiện đến xe máy cách an toàn Mặt khác, mức tiêu thụ lượng ứng dụng hoạt động không lớn việc xây dựng tập liệu huấn luyện thực lần giai đoạn khởi tạo hệ thống giai đoạn phát hiện, việc trích mẫu xử lý liệu cho phát trạng thái thực định kỳ Ngoài ra, phương pháp đề xuất sử dụng liệu thu thập từ cảm biến gia tốc tích hợp hầu hết smartphone có thị trường mà không sử dụng dịch vụ tiêu tốn nhiều lượng GPS, wifi Do ứng dụng hỗ trợ có khả phát hai trạng thái “đi xe máy” “dừng xe”, nên chưa xác định trạng thái chuyển tiếp từ xe sang dừng xe dừng ngắn Cần bổ sung thêm trạng thái “dừng xe”, “dừng tạm thời” “dừng hẳn” để xác định trạng thái di chuyển xác Hơn nữa, việc xác định trạng thái xe di chuyển với tốc độ chậm cịn chưa xác trạng thái có tín hiệu thu thập từ cảm biến gia tốc gần với trạng thái dừng Để khắc phục vấn đề này, nâng cao độ xác, xem xét sử dụng tín hiệu từ cảm biến GPS kết hợp với tín hiệu thu thập từ cảm biến gia tốc Ngoài ra, thử nghiệm thực người dùng loại xe máy số cung đường kịch 128 Tạp chí Khoa học Kỹ thuật - Học viện KTQS - Số 181 (12-2016) nêu trên, nên kết đánh giá chưa thật tổng quát Cần bổ sung thêm thử nghiệm với nhiều người dùng, nhiều loại xe máy cung đường, tốc độ di chuyển để có đánh giá tổng thể Kết luận Việc nghiên cứu xác định trạng thái người tham gia giao thông xe máy cần thiết khả thi, đặc biệt điều kiện xe máy phương tiện giao thông chủ chốt nước ta smartphone ngày sử dụng phổ biến Các kết thực nghiệm bước đầu cho thấy phương pháp đề xuất cho kết xác định trạng thái di chuyển xe máy với độ xác cao, đạt 96% Trên sở xác định xác trạng thái di chuyển, ứng dụng hỗ trợ người xe máy tự động trả lời kiện, gọi tin nhắn đến người dùng xe máy thông báo cho người dùng kiện xảy người dùng dừng xe Một ưu điểm khác phương pháp đề xuất sử dụng liệu thu thập từ cảm biến gia tốc tích hợp hầu hết smartphone có thị trường, nên có khả ứng dụng cao không ảnh hưởng nhiều đến thời gian sử dụng smartphone không tiêu tốn thêm lượng cho dịch vụ GPS, wifi Nghiên cứu phát triển hướng: (1) Thực thêm thử nghiệm với nhiều người dùng, nhiều loại xe máy cung đường, tốc độ di chuyển để có đánh giá tổng thể hơn, (2) Bổ sung thêm trạng thái “dừng xe”, “dừng tạm thời” “dừng hẳn” để xác định trạng thái di chuyển xác (3) Xây dựng ứng dụng hỗ trợ tảng khác, iOS Windows Phone Tài liệu tham khảo [1] Xia H., Qiao Y., Jian J., Chang Y (2014), “Using Smart Phone Sensors to Detect Transportation Modes”, Sensors, 14, pp 20843-20865 [2] Reddy S., Mun M., Burke J., Estrin D., Hansen M., Srivastava M, (2010), “Using mobile phones to determine transportation modes”, ACM Trans Sensor Netw, 6, pp 1–2 [3] Hemminki S., Nurmi P., Tarkoma S., “Accelerometer-Based Transportation Mode Detection on Smartphones”, ACM SenSys’13, November 11 - 15 2013, Roma, Italy [4] Yeo J J., Lim Y H., Ryu M H., Yang Y S., “An Automatic Recognition of Bicycle Riding State by Using a Smartphone”, ASTL Volume 6, 2012, Science & Enginering Research Support Society [5] Andrejaˇsic M (2008), MEMS Accelerometer, University of Ljubljana [6] Avram R.C.; Zhang X.; Muse J., (2015), “Quadrotor Accelerometer and Gyroscope Sensor Fault Diagnosis with Experimental Results”, Annual conference of the prognostics and health management society, 6(054) [7] Burges C (1998), “A tutorial on Support Vector Machines for pattern recognition”, Proceedings of Int Conference on Data Mining and Knowledge Discovery, pp 121-167 [8] Martiskainen P., Jăarvinen M., Skăon J.P., Tiirikainen J., Kolehmainen M., Mononen, Cow J (2009), “Behaviour pattern recognition using a three-dimensional accelerometer and support vector machines”, Appl Anim Behav Sci, 119, pp 32–38 [9] Aghdam M.H., Ghasem-Aghaee N., Basiri M.E (2009), “Text feature selection using ant colony optimization”, Expert Systems with Application 36, pp 6843-6853 ˇ cková Z (2011), “Solving the Travelling Salesman Problem Using the Ant Colony Optimiza[10] Brezina I Jr., Ciˇ tion”, Management Information Systems, 6(4), pp 010-014 [11] Sivagaminathan R.K., Ramakrishnan S (2007), “A hybrid approach for feature subset selection using neural networks and ant colony optimization”, Expert Systems with Application 33, pp 49-60 129 Chuyên san Công nghệ thông tin Truyền thông - Số (12-2016) [12] Bourke P (1993), “Discrete Fourier Transform and Fast Fourier Transform”, http://paulbourke.net/miscellaneous/dft/, truy nhập tháng 1.2016 [13] LIBSVM, https://www.csie.ntu.edu.tw/˜cjlin/libsvm/, accessed March 2016 [14] Android Developers, http://developer.android.com/guide/topics/sensors/sensors_motion.html, accessed Jan 2016 Ngày nhận 20-06-2016; Ngày chấp nhận đăng 09-01-2017 Hoàng Xuân Dậu nhận Kỹ sư Tin học Đại học Bách khoa Hà Nội năm 1994 nhận Thạc sĩ ngành Công nghệ hệ thống máy tính Đại học RMIT, Melbourne, Australia, năm 2000 Năm 2006, ông nhận Tiến sĩ Khoa học máy tính Đại học RMIT, Melbourne, Australia Hoàng Xuân Dậu giảng viên, Trưởng Bộ mơn An tồn thơng tin, Khoa Cơng nghệ thơng tin I, Học viện Cơng nghệ Bưu Chính Viễn Thơng, Hà Nội Lĩnh vực nghiên cứu gồm học máy, khai phá liệu, an ninh mạng, an toàn phần mềm giải pháp đảm bảo an tồn thơng tin Đào Đức Huy nhận kỹ sư Công nghệ thông tin Học viện Cơng nghệ Bưu Chính Viễn Thơng năm 2013 bảo vệ thành công luận văn Thạc sỹ kỹ thuật ngành Hệ thống thông tin năm 2016 Học viện Cơng nghệ Bưu Chính Viễn Thơng Đào Đức Huy Nghiên cứu viên công ty Copix Studio Lĩnh vực nghiên cứu gồm học máy, khai phá liệu, phát triển phần mềm di động 130 View publication stats ... dụng không xác định trạng thái dừng xe Bảng Kết phát trạng thái di chuyển kịch Trạng thái Số lần nhận di? ??n Số lần nhận di? ??n Số lần nhận di? ??n sai Độ xác Đi xe máy 28 28 100% Dừng xe 3 127 Chuyên san... Kết phát trạng thái di chuyển kịch Trạng thái Số lần nhận di? ??n Số lần nhận di? ??n Số lần nhận di? ??n sai Độ xác Đi xe máy 55 55 98% Dừng xe 4.1.2 Kịch thử nghiệm 2: Người dùng smartphone di chuyển. .. tốc cho trạng thái xe máy Với liệu gia tốc cho trạng thái đứng yên, có kiểu trạng thái cần thu thập, bao gồm trạng thái người dùng đứng yên chỗ trạng thái người dùng ngồi yên xe máy dừng xe (ví